谷歌的GO語言基本上就是為此而生的。將來還會有更多的需要和演算法會依據當前的深度學習、神經網路、深度卷積開發出來，而現有語言的支撐庫也會越來越強大！看好Python和JAVA

明確告訴你，早期的LISP,後來的prolog，及被LISP所啟發語言

JavaScript

,

Perl

,

Ruby

,

Python

。這些有些被指定用於AI或已廣泛應用與AI。並且這些遠遠不夠，在強人工智慧開發中，有個LOP的程式設計思想，會跨時代的打破OOP的位置。

LOP思想參考連結:

https://zhuanlan.zhihu.com/p/28276110

因為一個機器人像人一樣思考就需要邏輯的支援。

人之所以詩人就是因為會思考~

Prolog（Programming in Logic的縮寫）是一種邏輯程式語言。它建立在邏輯學的理論基礎之上， 最初被運用於自然語言等研究領域。現已廣泛的應用在人工智慧的研究中，可以用來建造專家系統、自然語言理解、智慧知識庫等。同時對一些通常的應用程式的編寫也很有幫助，能夠比其他的語言更快速地開發程式，因為它的程式設計方法更象是使用邏輯的語言來描述程式。

不回的了。人工智慧軟體現在大部分是c++混合python開發的。

別的語言開發的效能差太遠了，比不了。

會有的，其實谷歌的tensorflow就是一個prototype。

tensorflow繼續進化，就會成為為人工智慧使用的程式語言。

事實上tensorflow已經足夠複雜，集成了足夠多的模組，將來如果AI能像程式語言一樣用if else for之類的圖靈機語法就能描述絕大多數邏輯的話，會有為人工智慧誕生的程式語言。

但是題主你提到了人工智慧機器人這個概念，而人工智慧又是另一個概念了，從最開始來說，人工智慧這個概念並不對應著機器人，人工智慧在最初的一系列應用場景中並不涉及機械領域。人工智慧是一個計算機科學上的概念， 是一個軟體概念。

它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。

最開始人工智慧方面研究的問題大多是比如：指紋識別，人臉識別，語音識別，機器翻譯，問答系統等。 這類問題本質上任然是軟體領域的一個程式設計問題，而這些問題是和具體的開發語言無關的。當然考慮到這類問題對計算的要求比較大，通常這類問題都是C++ 或者Java完成的，選擇這類語言是因為這些語言是最流行的軟體開發語言，和人工智慧也沒多大關係。 甚至在近幾年，用Python做演算法的驗證也變得很流行，網上也有不少網友寫的Python聊天機器人等程式。

從另一方面來說，由於人工智慧類的程式設計問題通常比一般的程式設計問題難度要高很多，針對人工智慧領域設計的語言也有不少， 比如說Prolog ， 這是一個建立在邏輯推理上的程式語言，通常用於處理比較複雜的邏輯推理問題，而邏輯推理問題通常看上去都比較智慧。

至於人工智慧機器人，本質上不過是這倆種技術的結合。從機器的角度來說， 它通常不過是一臺長的很像人類的機器而已。但是從另一方面來說，理想中的人工智慧機器人應該具備諸如人臉識別，語音識別，邏輯推理，問題等功能，從這個角度看的話，它就是一臺執行著人工智慧程式的人形電腦而已，至於實現這些功能的程式語言，和在伺服器上實現這些功能的語言沒有任何差別。

我們可以做個類比，人工智慧機器人可以分成肢體控制和思維倆部分，肢體控制可以理解為小腦的功能，而思維可以理解成大腦。對於機器人來說，小腦和大腦不一定必須是在一起的。有可能大腦部分是多臺機器人共用一個，並且是執行在遠端伺服器上的。

Python

　　Python由於簡單易用，是人工智慧領域中使用最廣泛的程式語言之一，它可以無縫地與資料結構和其他常用的AI演算法一起使用。

　　Python之所以時候AI專案，其實也是基於Python的很多有用的庫都可以在AI中使用，如

　　Numpy提供科學的計算能力，Scypy的高階計算和Pybrain的機器學習。

　　另外，Python有大量的線上資源，所以學習曲線也不會特別陡峭。

Java

　　Java也是AI專案的一個很好的選擇。它是一種面向物件的程式語言，專注於提供AI專案上所需的所有高階功能，它是可移植的，並且提供了內建的垃圾回收。另外Java社群也是一個加分項，完善豐富的社群生態可以幫助開發人員隨時隨地查詢和解決遇到的問題。

　　對於AI專案來說，演算法幾乎是靈魂，無論是搜尋演算法、自然語言處理演算法還是神經網路，Java都可以提供一種簡單的編碼演算法。另外，Java的擴充套件性也是AI專案必備的功能之一。

Lisp

　　Lisp因其出色的原型設計能力和對符號表達式的支援在AI領域嶄露頭角。LISP作為因應人工智慧而設計的語言，是第一個宣告式系內函式式程式設計語言，有別於命令式系內過程式的C、Fortran和麵向物件的Java、C#等結構化程式設計語言。

　　Lisp語言因其可用性和符號結構而主要用於機器學習/ ILP子領域。著名的AI專家彼得·諾維奇(Peter Norvig)在其《Artificial Intelligence: A modern approach》一書中，詳細解釋了為什麼Lisp是AI開發的頂級程式語言之一，感興趣的朋友可以自行檢視。Prolog

　　Prolog與Lisp在可用性方面旗鼓相當，據《Prolog Programming for Artificial Intelligence》一文介紹，Prolog一種邏輯程式語言，主要是對一些基本機制進行程式設計，對於AI程式設計十分有效，例如它提供模式匹配，自動回溯和基於樹的資料結構化機制。結合這些機制可以為AI專案提供一個靈活的框架。

　　Prolog廣泛應用於AI的 expert系統，也可用於醫療專案的工作。

C ++

　　C ++是世界上速度最快的面向物件程式語言，其在硬體層面上的交流能力使開發人員能夠改程序序執行時間。 C ++對於時間很敏感，這對於AI專案是非常有用的，例如，搜尋引擎可以廣泛使用C ++。

　　在AI專案中，C++可用於統計，如神經網路。另外演算法也可以在C ++被廣泛地快速執行，遊戲中的AI主要用C ++編碼，以便更快的執行和響應時間。

現在連硬體都都為了設計人工智慧更不斷創新，如IBM的SyNAPSE晶片，中國的寒武紀晶片等，在不久的將來產生新的適合設計人工智慧的語言是必然的。現在的設計的智慧系統叫人工智慧，將來會出現人工智慧設計的智慧，再進一步未來的智慧會透過硬體軟體不斷迭代自我更新進化出新的智慧，好的結果也許就是進化出一種新的超智慧物種。希望未來這一過程是人類可控的。

近幾年，人工智慧日漸興起，但沒有一門語言是專為人工智慧而生的。那麼大家覺得會有一門程式語言會為了人工智慧而生嗎？

首先，人工智慧已經興起幾十年了。最早的人工智慧是希望模擬人的智慧，而人的智慧，有一個顯著的特徵就是通用性。因此人工智慧希望尋找一個通用的東西來模擬人的智慧，這個東西是邏輯。

從這一點直覺出發，當時興起了邏輯語言的熱潮。日本就號稱要舉國建造基於Prolog類的邏輯語言的“第五代計算機”。但是後來這條路並沒有走通。但是，邏輯語言確實是為人工智慧誕生的。

後來人工智慧沉寂了很長一段時間。近十年來，人工智慧又熱起來了，這次走的路線不是邏輯了，而是基於機率和統計的機器學習。於是，又出現了一批機率程式語言（Probabilistic programming language）。

機率程式語言有很多，這裡僅舉其中一些作為例子：

Anglican，使用基於JVM的JIT編譯器，基於Clojure的語法，機率分佈是Anglican的一等公民，原生支援矩陣原語和多維分佈。官網地址：https://probprog.github.io/anglican/index.html

BLOG（Bayesian Logic），用於建模現實世界物件間的關係和不確定性。同時支援Java和Swift作為編譯後端。官網地址：http://bayesianlogic.github.io

Hakaru為機率模型和推斷演算法的宣告提供了便利，適用於機器學習演算法的開發和隨機建模，可以編譯到C和Haskell。官網地址：http://hakaru-dev.github.io

PRISM提供了分佈語義（distribution semantics），這允許我們從數學上精確地理解和驗證程式的語義（當然，有時候也會碰到分佈語義不夠用或者不好用的情況，這種情況下也可以編寫過程式程式碼）。同時，PRISM內建了常用的機率推斷演算法。官網地址：http://rjida.meijo-u.ac.jp/prism/

【會有的，麵包會有，為AI而生的程式語言也會有！】人工智慧是一個不斷髮展的領域，可以用各種程式語言編寫。目前還沒有一種專門為人工智慧而生的程式語言，但就現狀來說，人工智慧的發展迅速，在硬體方面已經開發出專用的裝置，相信程式語言只是時間問題而已，同時，這也將是一個必然的趨勢。

Python

Python是一種廣泛使用的程式語言，由於它提供了簡單和無縫的結構，AI領域經常使用。

Python使得不同的AI演算法能夠相當容易地實現，與其他可用的程式語言相比，它提供了較短的開發時間。

透過部署Python，使用者可以建立神經網路，並選擇一些可用於AI開發的有用的庫。其他功能包括測試演算法的選項，不必實現它們。它還支援面向物件，功能和過程的程式設計風格。

2. Lisp

Lisp是最古老的程式語言之一，但由於其獨特的特性，它仍然是人工智慧開發的首選之一。這對計算機程式來說基本上是一個實用的數學符號。

開發人員傾向於在機器學習和AI專案中使用Lisp，因為它可以靈活地適應需要解決的問題。除此之外，Lisp還提供快速原型設計功能、集合型別庫、符號表達式支援等。

3. Prolog

Prolog經常與Lisp一起作為用於AI開發的頂級程式語言之一。它是最古老的邏輯程式語言之一，它建立在邏輯學的理論基礎之上，最初被運用於自然語言等研究領域。

現已廣泛的應用在人工智慧的研究中，可以用來建造專家系統、自然語言理解、智慧知識庫等。同時對一些通常的應用程式的編寫也很有幫助，能夠比其他的語言更快速地開發程式，其關鍵特徵包括模式匹配，自動回溯和基於樹的資料構造機制。它的程式設計方法更像是使用邏輯的語言來描述程式。

4. AIML

AIML（人工智慧標記語言）被公認為用於在AI專案中建立自然語言軟體代理的XML語言。

程式語言可以建立說自然語言的對話夥伴。例如，幾個被稱為“Alicebot clones”的聊天機器人就是使用該程式建立的。

AIML直譯器也可以在其他程式語言中找到，例如Java，Python等等。

5. Java

Java是一種流行的程式語言，因為它提供了搜尋演算法，神經網路和NLP，所以它也可以被看作是AI程式設計的一個很好的選擇。

這是一個容易理解的語言，提供圖形表示、除錯和可擴充套件性。它的可移植性使其成為各種應用程式的首選實現，基於其可獲得不同的內建型別。

有，核心是一種演算法邏輯引擎，具備自學習能力。可虛擬多個角色按照不同的方式進行運算，並根據結果進行比對後優選最優方式。